4.5.4 Partner mit den Mächtigen

Partnering kann die Kosten zu senken und erhöhen Maßstab, aber es kann die Art der Teilnehmer, Behandlungen verändern und Ergebnisse , die Sie verwenden können.

Die Alternative dazu ist die Partnerschaft mit einer mächtigen Organisation wie einem Unternehmen, einer Regierung oder einer NGO. Der Vorteil der Zusammenarbeit mit einem Partner besteht darin, dass Sie Experimente ausführen können, die Sie selbst nicht durchführen können. Zum Beispiel beinhaltete eines der Experimente, von denen ich im Folgenden erzählen werde, 61 Millionen Teilnehmer - kein einzelner Forscher konnte diese Skala erreichen. Gleichzeitig erhöht diese Partnerschaft das, was Sie tun können, und Sie werden eingeschränkt. Zum Beispiel werden die meisten Unternehmen Ihnen nicht erlauben, ein Experiment durchzuführen, das ihrem Geschäft oder ihrer Reputation schaden könnte. Die Zusammenarbeit mit Partnern bedeutet auch, dass Sie, wenn es Zeit für die Veröffentlichung ist, unter Druck geraten können, Ihre Ergebnisse neu zu gestalten, und einige Partner versuchen sogar, die Veröffentlichung Ihrer Arbeit zu blockieren, wenn sie dadurch schlecht aussieht. Schließlich entstehen beim Partnering auch Kosten für die Entwicklung und Pflege dieser Kooperationen.

Die wichtigste Herausforderung, die es zu lösen gilt, um diese Partnerschaften erfolgreich zu machen, besteht darin, einen Ausgleich zwischen den Interessen beider Parteien zu finden, und eine hilfreiche Möglichkeit, über diese Balance nachzudenken, ist Pasteurs Quadrant (Stokes 1997) . Viele Forscher denken, dass wenn sie an etwas Praktischem arbeiten - etwas, das für einen Partner von Interesse sein könnte - dann können sie keine echte Wissenschaft machen. Diese Denkweise wird es sehr schwierig machen, erfolgreiche Partnerschaften zu schaffen, und es ist auch völlig falsch. Das Problem dieser Denkweise wird durch die wegweisende Forschung des Biologen Louis Pasteur wunderbar veranschaulicht. Während er an einem kommerziellen Fermentationsprojekt zur Umwandlung von Rübensaft in Alkohol arbeitete, entdeckte Pasteur eine neue Klasse von Mikroorganismen, die schließlich zur Keimtheorie der Krankheit führte. Diese Entdeckung löste ein sehr praktisches Problem - es half, den Fermentationsprozess zu verbessern - und führte zu einem großen wissenschaftlichen Fortschritt. Anstatt also zu denken, dass Forschung mit praktischen Anwendungen im Widerspruch zu echter wissenschaftlicher Forschung steht, ist es besser, diese als zwei separate Dimensionen zu betrachten. Forschung kann durch Nutzung motiviert werden (oder nicht), und Forschung kann grundlegendes Verständnis suchen (oder nicht). Kritisch, einige forschungsähnliche Pasteur's können durch den Gebrauch motiviert werden und nach grundlegendem Verständnis streben (Abb. 4.17). Die Forschung in der Quadrant-Forschung von Pasteur, die von Natur aus zwei Ziele verfolgt, ist ideal für die Zusammenarbeit zwischen Forschern und Partnern. Vor diesem Hintergrund beschreibe ich zwei experimentelle Studien mit Partnerschaften: eine mit einer Firma und eine mit einer NGO.

Abbildung 4.17: Pasteur-Quadrant (Stokes 1997). Anstatt an Forschung als entweder grundlegend oder angewandt zu denken, ist es besser, sie als durch den Gebrauch (oder nicht) motiviert zu betrachten und grundlegendes Verständnis zu suchen (oder nicht). Ein Beispiel für Forschung, die beide durch den Gebrauch motiviert sind und nach einem grundlegenden Verständnis suchen, ist Pasteurs Arbeit, Rübensaft in Alkohol umzuwandeln, der zur Keimtheorie der Krankheit führt. Dies ist die Art von Arbeit, die am besten für Partnerschaften mit den Mächtigen geeignet ist. Beispiele für Arbeit, die durch den Gebrauch motiviert ist, aber kein grundlegendes Verständnis anstrebt, kommen von Thomas Edison, und Beispiele von Arbeiten, die nicht durch den Gebrauch motiviert, sondern um Verständnis bemüht sind, stammen von Niels Bohr. Für eine gründlichere Diskussion dieses Rahmens und jedes dieser Fälle siehe Stokes (1997). Nach Stokes (1997), Abbildung 3.5.

Abbildung 4.17: Pasteur-Quadrant (Stokes 1997) . Anstatt an die Forschung als entweder "grundlegend" oder "angewandt" zu denken, ist es besser, sie als durch den Gebrauch (oder nicht) motiviert zu betrachten und grundlegendes Verständnis zu suchen (oder nicht). Ein Beispiel für Forschung, die beide durch den Gebrauch motiviert sind und nach einem grundlegenden Verständnis suchen, ist Pasteurs Arbeit, Rübensaft in Alkohol umzuwandeln, der zur Keimtheorie der Krankheit führt. Dies ist die Art von Arbeit, die am besten für Partnerschaften mit den Mächtigen geeignet ist. Beispiele für Arbeit, die durch den Gebrauch motiviert ist, aber kein grundlegendes Verständnis anstrebt, kommen von Thomas Edison, und Beispiele von Arbeiten, die nicht durch den Gebrauch motiviert, sondern um Verständnis bemüht sind, stammen von Niels Bohr. Für eine gründlichere Diskussion dieses Rahmens und jedes dieser Fälle siehe Stokes (1997) . Nach Stokes (1997) , Abbildung 3.5.

Große Unternehmen, insbesondere Technologieunternehmen, haben eine unglaublich hoch entwickelte Infrastruktur für die Durchführung komplexer Experimente entwickelt. In der Tech-Industrie werden diese Experimente oft als A / B-Tests bezeichnet, da sie die Effektivität von zwei Behandlungen vergleichen: A und B. Solche Experimente werden häufig durchgeführt, um die Klickrate bei Anzeigen zu erhöhen, aber auch die gleiche experimentelle Infrastruktur für Forschung verwendet werden, die das wissenschaftliche Verständnis fördert. Ein Beispiel, das das Potenzial dieser Art von Forschung zeigt, ist eine Studie, die von einer Partnerschaft zwischen Forschern von Facebook und der University of California, San Diego, über die Auswirkungen unterschiedlicher Botschaften auf die Wahlbeteiligung durchgeführt wurde (Bond et al. 2012) .

Am 2. November 2010 - dem Tag der US-Kongresswahlen - nahmen alle 61 Millionen Facebook-Nutzer, die in den USA lebten und 18 und älter waren, an einem Experiment zur Wahl teil. Beim Besuch von Facebook wurden die Nutzer zufällig in eine von drei Gruppen eingeteilt, die festlegten, welches Banner (falls vorhanden) oben in ihrem News-Feed platziert wurde (Abbildung 4.18):

  • eine Kontrollgruppe
  • eine informative Nachricht über die Wahl mit einem anklickbaren "I Voted" Button und einem Counter (Info)
  • eine informative Nachricht über die Wahl mit einem anklickbaren "I Voted" Button und einem Counter sowie Namen und Bilder ihrer Freunde, die bereits auf das "I Voted" geklickt hatten (Info + Social)

Bond und Kollegen untersuchten zwei Hauptergebnisse: das berichtete Wahlverhalten und das tatsächliche Wahlverhalten. Zunächst stellten sie fest, dass Personen aus der Info + Social-Gruppe etwa zwei Prozentpunkte wahrscheinlicher waren als Personen aus der Info-Gruppe, die auf "I Voted" (etwa 20% gegenüber 18%) klickten. Nachdem die Forscher ihre Daten mit öffentlich verfügbaren Stimmzetteln für etwa sechs Millionen Menschen zusammengeführt hatten, stellten sie fest, dass die Befragten in der Info + Social-Gruppe 0,39 Prozentpunkte mehr hatten als die Kontrollgruppe und die Personen der Info-Gruppe ebenso wahrscheinlich wie die Kontrollgruppe (Abbildung 4.18).

Abbildung 4.18: Ergebnisse eines "Get-out-the-vote" -Experiments auf Facebook (Bond et al. 2012). Die Teilnehmer der Info-Gruppe stimmten im gleichen Maße wie die Kontrollgruppe, aber die Mitglieder der Gruppe Info + Social wählten etwas mehr. Balken repräsentieren geschätzte 95% -Konfidenzintervalle. Die Ergebnisse in der Grafik beziehen sich auf die ungefähr sechs Millionen Teilnehmer, die mit den Wahlunterlagen verglichen wurden. Angepasst von Bond et al. (2012), Abbildung 1.

Abbildung 4.18: Ergebnisse eines "Get-out-the-vote" -Experiments auf Facebook (Bond et al. 2012) . Die Teilnehmer der Info-Gruppe stimmten im gleichen Maße wie die Kontrollgruppe, aber die Mitglieder der Gruppe Info + Social wählten etwas mehr. Balken repräsentieren geschätzte 95% -Konfidenzintervalle. Die Ergebnisse in der Grafik beziehen sich auf die ungefähr sechs Millionen Teilnehmer, die mit den Wahlunterlagen verglichen wurden. Angepasst von Bond et al. (2012) , Abbildung 1.

Die Ergebnisse dieses Experiments zeigen, dass einige Online-Botschaften, die zur Wahl hinausgehen, effektiver sind als andere und dass die Einschätzung eines Forschers über die Wirksamkeit davon abhängen kann, ob das Ergebnis die gemeldete oder die tatsächliche Wahl ist. Dieses Experiment bietet leider keine Anhaltspunkte für die Mechanismen, durch die die sozialen Informationen - die von einigen Forschern spielerisch als "face pile" bezeichnet wurden - die Wahl erhöht haben. Es könnte sein, dass die soziale Information die Wahrscheinlichkeit erhöhte, dass jemand das Banner bemerkte oder dass es die Wahrscheinlichkeit erhöhte, dass jemand, der das Banner bemerkte, tatsächlich stimmte oder beides. Somit bietet dieses Experiment ein interessantes Ergebnis, das andere Forscher wahrscheinlich untersuchen werden (siehe z. B. Bakshy, Eckles, et al. (2012) ).

Dieses Experiment hat nicht nur die Ziele der Forscher vorangetrieben, sondern auch das Ziel der Partnerorganisation (Facebook) vorangetrieben. Wenn Sie das Verhalten von Voting bis zum Kauf von Soap ändern, können Sie sehen, dass die Studie genau die gleiche Struktur wie ein Experiment zur Messung der Wirkung von Online-Anzeigen hat (siehe zB RA Lewis and Rao (2015) ). Diese Ad-Effektivitäts-Studien messen häufig den Effekt der Exposition gegenüber Online-Werbung - die Behandlungen in Bond et al. (2012) sind im Grunde Anzeigen für das Abstimmen auf Offline-Verhalten. Somit könnte diese Untersuchung die Fähigkeit von Facebook verbessern, die Effektivität von Online-Werbung zu untersuchen, und könnte Facebook dabei helfen, potenzielle Werbetreibende davon zu überzeugen, dass Facebook-Anzeigen effektiv Verhaltensänderungen bewirken.

Auch wenn die Interessen der Forscher und Partner in dieser Studie weitgehend aufeinander abgestimmt waren, standen sie auch teilweise unter Spannung. Insbesondere die Zuordnung der Teilnehmer zu den drei Gruppen - Kontrolle, Info und Info + Soziales - war enorm unausgeglichen: 98% der Stichprobe wurden Info + Social zugewiesen. Diese unausgewogene Zuteilung ist statistisch ineffizient, und eine viel bessere Zuteilung für die Forscher hätte ein Drittel der Teilnehmer in jeder Gruppe gehabt. Aber die unausgewogene Zuteilung geschah, weil Facebook wollte, dass jeder die Info + Social-Behandlung erhielt. Glücklicherweise haben die Forscher sie davon überzeugt, 1% für eine verwandte Behandlung und 1% der Teilnehmer für eine Kontrollgruppe zurückzuhalten. Ohne die Kontrollgruppe wäre es im Grunde unmöglich gewesen, die Wirkung der Info + Social-Behandlung zu messen, da es sich eher um ein "Störungs- und Beobachtungs" -Experiment als um ein randomisiertes kontrolliertes Experiment gehandelt hätte. Dieses Beispiel bietet eine wertvolle praktische Lektion für die Arbeit mit Partnern: Manchmal erstellen Sie ein Experiment, indem Sie jemanden dazu überreden, eine Behandlung durchzuführen, und manchmal erstellen Sie ein Experiment, indem Sie jemanden davon überzeugen, keine Behandlung durchzuführen (dh eine Kontrollgruppe zu erstellen).

Partnerschaft muss nicht immer Tech-Unternehmen und A / B-Tests mit Millionen von Teilnehmern einbeziehen. Zum Beispiel haben Alexander Coppock, Andrew Guess und John Ternovski (2016) mit einer Umwelt-NGO - der League of Conservation Voters - zusammengearbeitet, um Experimente zu testen, die verschiedene Strategien zur Förderung der sozialen Mobilisierung testen. Die Forscher nutzten den Twitter-Account der NGO, um sowohl öffentliche Tweets als auch private Direktnachrichten zu versenden, die versuchten, unterschiedliche Arten von Identitäten zu erstellen. Sie maßen dann, welche dieser Botschaften am effektivsten waren, um Menschen dazu zu ermutigen, eine Petition zu unterschreiben und Informationen über eine Petition zu retweeten.

Tabelle 4.3: Beispiele für Experimente mit Partnerschaften zwischen Forschern und Organisationen
Thema Verweise
Auswirkung von Facebook News Feed auf den Informationsaustausch Bakshy, Rosenn, et al. (2012)
Auswirkung der teilweisen Anonymität auf das Verhalten auf der Online-Dating-Website Bapna et al. (2016)
Auswirkung von Home Energy Reports auf den Stromverbrauch Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
Auswirkung des App-Designs auf die Verbreitung von Viren Aral and Walker (2011)
Wirkung des Ausbreitungsmechanismus auf die Diffusion SJ Taylor, Bakshy, and Aral (2013)
Wirkung von sozialen Informationen in Werbung Bakshy, Eckles, et al. (2012)
Auswirkung der Kataloghäufigkeit auf den Verkauf über Katalog und Online für verschiedene Arten von Kunden Simester et al. (2009)
Auswirkung von Popularitätsinformationen auf potenzielle Bewerbungen Gee (2015)
Wirkung der anfänglichen Bewertungen auf die Popularität Muchnik, Aral, and Taylor (2013)
Auswirkung des Nachrichteninhalts auf politische Mobilisierung Coppock, Guess, and Ternovski (2016)

Insgesamt ermöglicht Ihnen die Partnerschaft mit den Mächtigen, in einem Umfang zu arbeiten, der sonst schwierig ist, und Tabelle 4.3 enthält weitere Beispiele für Partnerschaften zwischen Forschern und Organisationen. Das Partnering kann viel einfacher sein als das Erstellen eines eigenen Experiments. Diese Vorteile sind jedoch mit Nachteilen verbunden: Partnerschaften können die Arten von Teilnehmern, Behandlungen und Ergebnissen begrenzen, die Sie studieren können. Darüber hinaus können diese Partnerschaften zu ethischen Herausforderungen führen. Der beste Weg, um eine Gelegenheit für eine Partnerschaft zu erkennen, ist, ein echtes Problem zu bemerken, das Sie lösen können, während Sie interessante Wissenschaft betreiben. Wenn Sie diese Art des Blicks auf die Welt nicht gewohnt sind, kann es schwierig sein, Probleme in Pasteurs Quadrant zu erkennen, aber mit etwas Übung werden Sie anfangen, sie immer mehr zu bemerken.